年初，Deepseek因低成本高性能、直逼国际巨头OpenAI爆火，引发新一轮对人工智能的关注热潮。随着OpenAI迭代GPT-5模型，银行业在 AI 大模型领域的探索也再次受到瞩目。

　　目前，银行业哪些业务领域已开始应用大模型技术？取得了哪些成效？大模型落地又面临哪些难点？

　　中国银行业协会最新发布的《中国银行业客服中心与远程银行发展报告（2024）》（下称报告）显示，2024年客服中心与远程银行智能技术综合使用率提升至93%，较2023年提高1个百分点；已有31%的客服中心与远程银行开始探索应用大模型技术。

　　某国有大行金融科技部门人士告诉财联社记者，当前银行业AI业务场景落地聚焦于客服、风控及行内AI辅助编程等领域。当前近期该行已搭建Agent平台并推进相关项目，“相当于多个AI协同组成工作流”。不过，多位业内人士认为，银行业在推进人工智能创新过程中面临多重挑战，主要集中在算力不足、合规压力、人才缺口等问题。

　　搭建平台完善Agent应用是关键一步

　　《报告》指出，据不完全统计，有31%的客服中心与远程银行已在行内完成大模型部署，推动包括模糊语义识别、话术优化、智能摘要等功能落地。调研显示，尽管国有大行、股份行及中小银行对 Deepseek 应用的宣传有所 “降温”，但 AI 应用场景探索仍在持续，目前各家银行的 AI 应用主要集中在智能客服等落地场景。

　　上海银行相关负责人也告诉财联社记者，该行的AI手机银行已支持“对话即服务”。用户只需通过语音或文字等指令，即可完成账户业务办理、理财咨询等高频交易。此前，包括工行、北京银行在内的多家银行也曾披露，通过 AI 为手机银行赋能，为不同用户提供定制化的财富管理方案。

　　对于银行来说，尽快搭建平台完善Agent应用或是解决复杂金融应用场景的关键一步。工商银行软件开发中心高级专家刘承岩近日指出，大模型技术已进入以智能体（Agent）应用为核心的下半场，企业现实问题的解决成为AI应用的核心工作。

　　前述某国有大行人士也向财联社记者透露，近期已搭建Agent平台并推进相关项目。该银行人士直言：“此前业内对OpenAI的预期较高，但ChatGPT等基础模型在实际应用中存在一定落差。预计待基础模型成熟后，Agent 应用可能迎来爆发期。”

　　“无论是前中后台，银行在 AI 上的应用场景都在进一步扩容，但不同银行之间的分化也在加剧。”某头部金融云负责人也告诉财联社记者，机构投入的算力和人才资源成了这一分化的分水岭。

　　行业面上，不少银行还在加大“真金白银”投入算力及相关配套设备采购。其中，浦发银行出现了超 1 亿元的大单 “2025 年大模型算力扩容及算力管控能力建设项目之鲲鹏”。此外，多家股份行、城商行的大模型项目招采金额也超过 500 万元，且项目主要集中在算力、GPU 服务器等采购方面。

　　AI创新仍有多重壁垒：人才匮缺、算力不足、流程复杂

　　上述人士也指出，银行在AI创新过程中面临多重阻力：一方面，技术团队能力有待提升，目前多以修改开源技术为主，既需深度理解业务又要具备技术落地能力的复合型人才相对缺乏；另一方面，银行内部流程规范复杂，AI创新项目需经过大量评审、联合技术审核、安全审查等环节，严苛的合规要求也在一定程度上制约了创新进度。

　　上海金融与发展实验室首席专家、主任曾刚向财联社记者表示，银行传统IT架构相对保守稳定，与AI技术的敏捷迭代特性存在冲突。核心系统改造风险高、成本大，新旧系统融合面临技术壁垒。

　　“尽管大模型在提升效率方面表现出色，但在落地方面仍存在痛点。”博通分析金融行业资深分析师王蓬博认为，首先，其搜索能力、理解准确性及多步推理的可靠性仍有待提高，容易出现错误，这对金融级别的严谨性提出了挑战；此外，开发和部署大模型需要巨额投资，包括硬件资源如显卡等，对于中小银行来说，这构成了较高的进入门槛。